来源均指这个理论的提出者或者讲解的论文&&书籍
1. 谱图理论(Spectral Graph Theory)是将图论与线性代数相结合的理论
来源:Spectral Graph Theory , by Fan Chung (ucsd.edu)
2.谱聚类算法:根据谱图理论发展而来,用以解决图分割或者节点聚类问题
来源:Spectral Graph Theory , by Fan Chung (ucsd.edu)
3. 统计关系学习(Statistical Relational Learning)是将关系表示和似然表示相结合的机器学习理论,区别于传统的机器学习算法对数据独立同分布的假设(传统的机器学习算法假设: "数据对象是 同类 且 独立不相关的")。统计关系学习准许数据非同类且可以有相关性,更适合图上的事实情况,因此,与图数据的学习有更好的契合。
来源:Introduction to Statistical Relational Learning (umd.edu)
4. 网络表示学习(Network embedding):从复杂的图数据中学习到包含充分信息的向量化表示。
但是,网络表示学习很难提供 表示学习到任务学习的端到端系统,因此,图数据的端到端学习仍是一个问题
5. 由于图数据不是一个规则的数据,(规则数据:图像:2D的栅格结构;文字:1D的序列结构)
因此,需要一种方式对图数据规整化,进而 进行处理
这块我还得补充一下,先把书的这块内容粘贴上去: